As 4 empresas selecionadas foram Vale, Embraer, Companhia
Siderurgica Nacional e Ambev
empresas <- c('VALE3.SA', 'EMBR3.SA', 'CSNA3.SA', 'ABEV3.SA')
ativos <- BatchGetSymbols(tickers = empresas,
first.date = '2014-01-01',
last.date = Sys.time(),
type.return = "log",
freq.data = "daily")[[2]]
Vamos começar com os gráficos da Vale:
- Preços:
graf_vale_preco <- ggplot(dados_vale, aes(x = ref.date, y = price.close)) +
geom_line(color = '#006600') +
labs(
x = NULL, y = "Preço de Fechamento",
title = "Evolução dos Preços - VALE",
subtitle = "Período: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_vale_preco
- Retornos diários
ret_vale <- dados_vale %>%
select(ref.date, ticker, ret.closing.prices)
graf_vale_retorno <- ggplot(ret_vale, aes(x = ref.date, y = ret.closing.prices)) +
geom_line(color = '#006600') +
labs(
x = NULL, y = "Retornos",
title = "Retornos Diários - VALE",
subtitle = "De 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_vale_retorno
- Retornos absolutos
graf_vale_abs <- ggplot(ret_vale, aes(x = ref.date, y = abs(ret.closing.prices))) +
geom_line(color = '#006600') +
labs(
x = NULL, y = "Retorno Absoluto",
title = "Magnitude dos Retornos - VALE",
subtitle = "Período: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_vale_abs
- Qqplot
qqplot_vale <- ggplot(ret_vale, aes(sample = ret.closing.prices)) +
stat_qq() +
stat_qq_line() +
labs(
x = "Distribuição Teórica", y = "Amostra",
title = "QQ-Plot - VALE",
subtitle = "Retornos Diários",
caption = "Fonte: B3 (dados elaborados)"
) +
theme_economist()
qqplot_vale
- Histograma
hist_vale <- ggplot(ret_vale) +
geom_histogram(aes(x = ret.closing.prices, y = ..density..),
fill = "darkgray", color = "white", alpha = 0.8) +
geom_density(aes(x = ret.closing.prices), color = "#006600") +
labs(
x = NULL, y = "Densidade",
title = "Distribuição dos Retornos - VALE",
subtitle = "Histograma com Curva de Densidade",
caption = "Fonte: B3"
) +
theme_economist()
hist_vale
- Todos os gráficos juntos
cowplot::plot_grid(graf_vale_retorno, qqplot_vale, graf_vale_abs, hist_vale, nrow = 2)
- As principais estatísticas descritivas:
precos_vale <- dados_vale[[4]] # Coluna de preços
estatisticas_vale <- data.frame(
Estatística = c("Média", "Mediana", "Desvio Padrão", "Curtose", "Assimetria",
"Valor Mínimo", "Valor Máximo", "1º Quartil", "3º Quartil"),
Valor = c(
mean(precos_vale, na.rm = TRUE),
median(precos_vale, na.rm = TRUE),
sd(precos_vale, na.rm = TRUE),
e1071::kurtosis(precos_vale, na.rm = TRUE),
e1071::skewness(precos_vale, na.rm = TRUE),
min(precos_vale, na.rm = TRUE),
max(precos_vale, na.rm = TRUE),
quantile(precos_vale, 0.25, na.rm = TRUE),
quantile(precos_vale, 0.75, na.rm = TRUE)
)
)
tabela_vale <- tableGrob(estatisticas_vale)
grid.draw(tabela_vale)
Os gráficos da Embraer:
- Preços:
graf_embraer_preco <- ggplot(dados_embraer, aes(x = ref.date, y = price.close)) +
geom_line(color = '#8b0000') +
labs(
x = NULL, y = "Preço de Fechamento",
title = "Histórico de Preços - EMBRAER",
subtitle = "Período: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_embraer_preco
- Retornos diários
ret_embraer <- dados_embraer %>%
select(ref.date, ticker, ret.closing.prices)
graf_embraer_retorno <- ggplot(ret_embraer, aes(x = ref.date, y = ret.closing.prices)) +
geom_line(color = '#8b0000') +
labs(
x = NULL, y = "Retornos",
title = "Retornos Diários - EMBRAER",
subtitle = "De 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_embraer_retorno
- Retornos absolutos
graf_embraer_abs <- ggplot(ret_embraer, aes(x = ref.date, y = abs(ret.closing.prices))) +
geom_line(color = '#8b0000') +
labs(
x = NULL, y = "Retorno Absoluto",
title = "Magnitude dos Retornos - EMBRAER",
subtitle = "Período: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_embraer_abs
- Qqplot
qqplot_embraer <- ggplot(ret_embraer, aes(sample = ret.closing.prices)) +
stat_qq() +
stat_qq_line() +
labs(
x = "Distribuição Teórica", y = "Amostra",
title = "QQ-Plot - EMBRAER",
subtitle = "Retornos Diários",
caption = "Fonte: Elaborado com dados da B3"
) +
theme_economist()
qqplot_embraer
- Histograma
hist_embraer <- ggplot(ret_embraer) +
geom_histogram(aes(x = ret.closing.prices, y = ..density..),
fill = "darkgray", color = "white", alpha = 0.8) +
geom_density(aes(x = ret.closing.prices), color = "#8b0000") +
labs(
x = NULL, y = "Densidade",
title = "Distribuição dos Retornos - EMBRAER",
subtitle = "Histograma com Densidade",
caption = "Fonte: B3"
) +
theme_economist()
hist_embraer
- Todos os gráficos juntos
cowplot::plot_grid(graf_embraer_retorno, qqplot_embraer, graf_embraer_abs, hist_embraer, nrow = 2)
- As principais estatísticas descritivas:
precos_embraer <- dados_embraer[[4]]
estatisticas_embraer <- data.frame(
Estatística = c("Média", "Mediana", "Desvio Padrão", "Curtose", "Assimetria",
"Valor Mínimo", "Valor Máximo", "1º Quartil", "3º Quartil"),
Valor = c(
mean(precos_embraer, na.rm = TRUE),
median(precos_embraer, na.rm = TRUE),
sd(precos_embraer, na.rm = TRUE),
e1071::kurtosis(precos_embraer, na.rm = TRUE),
e1071::skewness(precos_embraer, na.rm = TRUE),
min(precos_embraer, na.rm = TRUE),
max(precos_embraer, na.rm = TRUE),
quantile(precos_embraer, 0.25, na.rm = TRUE),
quantile(precos_embraer, 0.75, na.rm = TRUE)
)
)
tabela_embraer <- tableGrob(estatisticas_embraer)
grid.draw(tabela_embraer)
Os gráficos da Siderurgica:
- Preços:
graf_csn_preco <- ggplot(dados_csn, aes(x = ref.date, y = price.close)) +
geom_line(color = '#993399') +
labs(
x = NULL, y = "Preço Fechamento",
title = "Histórico Diário - Siderúrgica Nacional",
subtitle = "De 02/01/2014 até 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_csn_preco
- Retornos diários
ret_csn <- dados_csn %>%
select(ref.date, ticker, ret.closing.prices)
graf_csn_retorno <- ggplot(ret_csn, aes(x = ref.date, y = ret.closing.prices)) +
geom_line(color = '#993399') +
labs(
x = NULL, y = "Retornos",
title = "Variações Diárias - CSN",
subtitle = "02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_csn_retorno
- Retornos absolutos
graf_csn_abs <- ggplot(ret_csn, aes(x = ref.date, y = abs(ret.closing.prices))) +
geom_line(color = '#993399') +
labs(
x = NULL, y = "Retornos Absolutos",
title = "Amplitude das Variações - CSN",
subtitle = "Período de 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_csn_abs
- Qqplot
qqplot_csn <- ggplot(ret_csn, aes(sample = ret.closing.prices)) +
stat_qq() +
stat_qq_line() +
labs(
x = "Teórico", y = "Amostra",
title = "QQ-Plot - Retornos CSN",
subtitle = "Elaboração a partir de dados da B3",
caption = "Fonte: B3"
) +
theme_economist()
qqplot_csn
- Histograma
hist_csn <- ggplot(ret_csn) +
geom_histogram(aes(x = ret.closing.prices, y = ..density..),
fill = "darkgray", color = "white", alpha = 0.8) +
geom_density(aes(x = ret.closing.prices), color = "#993399") +
labs(
x = NULL, y = "Densidade",
title = "Distribuição dos Retornos - CSN",
subtitle = "Histograma com Curva de Densidade",
caption = "Fonte: B3"
) +
theme_economist()
hist_csn
- Todos os gráficos juntos
cowplot::plot_grid(graf_csn_retorno, qqplot_csn, graf_csn_abs, hist_csn, nrow = 2)
- As principais estatísticas descritivas:
precos_csn <- dados_csn[[4]]
estatisticas_csn <- data.frame(
Estatística = c("Média", "Mediana", "Desvio Padrão", "Curtose", "Assimetria", "Mínimo", "Máximo", "1º Quartil", "3º Quartil"),
Valor = c(
mean(precos_csn , na.rm = TRUE),
median(precos_csn, na.rm = TRUE),
sd(precos_csn, na.rm = TRUE),
e1071::kurtosis(precos_csn, na.rm = TRUE),
e1071::skewness(precos_csn, na.rm = TRUE),
min(precos_csn, na.rm = TRUE),
max(precos_csn, na.rm = TRUE),
quantile(precos_csn, 0.25, na.rm = TRUE),
quantile(precos_csn, 0.75, na.rm = TRUE)
)
)
grid.draw(tableGrob(estatisticas_csn))
Os gráficos da Ambev:
- Preços:
graf_ambev_preco <- ggplot(dados_ambev, aes(x = ref.date, y = price.close)) +
geom_line(color = '#eead2d') +
labs(
x = NULL, y = "Fechamento",
title = "Histórico de Cotações - Ambev",
subtitle = "De 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_ambev_preco
- Retornos diários
ret_ambev <- dados_ambev %>%
select(ref.date, ticker, ret.closing.prices)
graf_ambev_retorno <- ggplot(ret_ambev, aes(x = ref.date, y = ret.closing.prices)) +
geom_line(color = '#eead2d') +
labs(
x = NULL, y = "Retornos",
title = "Retornos Diários - Ambev",
subtitle = "Período: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_ambev_retorno
- Retornos absolutos
graf_ambev_abs <- ggplot(ret_ambev, aes(x = ref.date, y = abs(ret.closing.prices))) +
geom_line(color = '#eead2d') +
labs(
x = NULL, y = "Retorno Absoluto",
title = "Magnitude dos Retornos - Ambev",
subtitle = "Período de Análise: 02/01/2014 a 24/05/2024",
caption = "Fonte: B3"
) +
theme_economist()
graf_ambev_abs
- Qqplot
qqplot_ambev <- ggplot(ret_ambev, aes(sample = ret.closing.prices)) +
stat_qq() +
stat_qq_line() +
labs(
x = "Teórico", y = "Amostra",
title = "QQ-Plot - Ambev",
subtitle = "Retornos diários",
caption = "Fonte: B3"
) +
theme_economist()
qqplot_ambev
- Histograma
hist_ambev <- ggplot(ret_ambev) +
geom_histogram(aes(x = ret.closing.prices, y = ..density..),
fill = "darkgray", color = "white", alpha = 0.8) +
geom_density(aes(x = ret.closing.prices), color = "#eead2d") +
labs(
x = NULL, y = "Densidade",
title = "Distribuição de Retornos - Ambev",
subtitle = "Histograma com Densidade",
caption = "Fonte: B3"
) +
theme_economist()
hist_ambev
- Todos os gráficos juntos
cowplot::plot_grid(graf_ambev_retorno, qqplot_ambev, graf_ambev_abs, hist_ambev, nrow = 2)
- As principais estatísticas descritivas:
precos_ambev <- dados_ambev[[4]]
estatisticas_ambev <- data.frame(
Estatística = c("Média", "Mediana", "Desvio Padrão", "Curtose", "Assimetria", "Mínimo", "Máximo", "1º Quartil", "3º Quartil"),
Valor = c(
mean(precos_ambev , na.rm = TRUE),
median(precos_ambev, na.rm = TRUE),
sd(precos_ambev, na.rm = TRUE),
e1071::kurtosis(precos_ambev, na.rm = TRUE),
e1071::skewness(precos_ambev, na.rm = TRUE),
min(precos_ambev, na.rm = TRUE),
max(precos_ambev, na.rm = TRUE),
quantile(precos_ambev, 0.25, na.rm = TRUE),
quantile(precos_ambev, 0.75, na.rm = TRUE)
)
)
grid.draw(tableGrob(estatisticas_ambev))
Agora a comparação entre cada empresa:
- Preços:
# Preços
cowplot::plot_grid(graf_vale_preco, graf_embraer_preco, graf_csn_preco, graf_ambev_preco, nrow = 2)
- Retornos diários:
# Retornos
cowplot::plot_grid(graf_vale_retorno, graf_embraer_retorno, graf_csn_retorno, graf_ambev_retorno, nrow = 2)
- Retornos absolutos:
# Retornos absolutos
cowplot::plot_grid(graf_vale_abs, graf_embraer_abs, graf_csn_abs, graf_ambev_abs, nrow = 2)
- Qqplot:
# QQ-Plots
cowplot::plot_grid(qqplot_vale, qqplot_embraer, qqplot_csn, qqplot_ambev, nrow = 2)
- Histograma:
# Histogramas
cowplot::plot_grid(hist_vale, hist_embraer, hist_csn, hist_ambev, nrow = 2)
Por fim podemos Ver a disperção entre cada uma das empresas:
# Construção do dataframe de retornos
df_retornos <- data.frame(
vale = ret_vale$ret.closing.prices,
csn = ret_csn$ret.closing.prices,
embraer = ret_embraer$ret.closing.prices,
ambev = ret_ambev$ret.closing.prices
)
# Matriz de correlação
matriz_cor <- cor(df_retornos, use = "complete.obs")
# Conversão para tabela
tabela_cor <- as.data.frame(matriz_cor)
tabela_cor <- cbind(Empresa = rownames(tabela_cor), tabela_cor)
# Exibir tabela gráfica
grid.draw(tableGrob(tabela_cor, rows = NULL))
O gráfico de Disperção entre a Vale e a Siderurgica por elas
possuirem a maior coorelação:
ggplot(df_retornos, aes(x = vale, y = csn)) +
geom_point(color = "blue", alpha = 0.5) +
labs(
title = "Dispersão de Retornos: VALE vs CSN",
subtitle = paste("Correlação:", round(matriz_cor["vale", "csn"], 2)),
x = "VALE - Retorno Diário",
y = "CSN - Retorno Diário"
) +
theme_minimal()
E o Heat Map entre todas as variaveis
library(reshape2)
# Derretendo a matriz
melt_cor <- melt(matriz_cor)
# Plot
ggplot(melt_cor, aes(Var1, Var2, fill = value)) +
geom_tile(color = "white") +
scale_fill_gradient2(low = "blue", high = "red", mid = "white",
midpoint = 0, limit = c(-1, 1), space = "Lab",
name = "Correlação") +
theme_minimal() +
labs(
title = "Mapa de Calor - Correlações entre Retornos",
x = "Empresa",
y = "Empresa"
) +
theme(axis.text.x = element_text(angle = 0, vjust = 1, hjust = 1))
